memprof 技术文档
本文档将详细介绍如何安装、使用 memprof 项目以及如何利用其 API 进行内存分析。
1. 安装指南
依赖关系
memprof 扩展依赖于 libjudy 和 sys/queue.h。
- 在基于 Debian 的发行版上,可以使用以下命令安装依赖:
apt install libjudy-dev - 在 Alpine 发行版上,可以使用以下命令安装依赖:
apk add judy-dev bsd-compat-headers - 在 MacOS 上,可以使用以下命令安装依赖:
brew install traildb/judy/judy
使用 PECL 安装
确保安装了上述依赖,然后使用以下命令安装 memprof:
pecl install memprof
在 MacOS 上,可以使用以下命令安装:
JUDY_DIR=$(brew --prefix traildb/judy/judy) pecl install memprof
手动安装
确保安装了上述依赖,然后下载源代码并在源代码目录中运行以下命令:
phpize
./configure
make
make install
如果 libjudy 安装在非标准路径(不是 /usr 或 /usr/local),可以在 configure 命令中指定路径:
./configure --with-judy-dir=/opt/homebrew/Cellar/judy/1.0.5
在 Arch Linux 上安装
Arch Linux 用户可以选择安装非官方的 php-memprof 包,使用 makepkg 或他们的首选 AUR 辅助工具。例如,如果使用 yay:
yay -S php-memprof
2. 项目的使用说明
memprof 扩展可以用于跟踪和分析 PHP 程序中的内存分配和释放,帮助查找内存泄漏的源头。
加载扩展
可以在命令行上为单个脚本加载扩展:
php -dextension=memprof.so script.php
或者永久性地,在 php.ini 文件中加载:
extension=memprof.so
当不进行内存分析时,扩展没有性能开销,因此在开发环境中可以默认加载。
使用示例
最简单的使用 memprof 的方法是让它在程序内存超出限制时自动保存内存分析文件。
步骤 1:在 dump_on_limit 模式下启用内存分析
在请求启动时,如果以下条件之一为真,将启用 dump_on_limit 模式的内存分析:
- 环境变量
MEMPROF_PROFILE的值为dump_on_limit $_GET["MEMPROF_PROFILE"]的值为dump_on_limit$_POST["MEMPROF_PROFILE"]的值为dump_on_limit
对于命令行脚本,可以设置环境变量:
MEMPROF_PROFILE=dump_on_limit php test.php
对于 Web 脚本,可以设置 $_GET 变量:
curl http://127.0.0.1/test.php?MEMPROF_PROFILE=dump_on_limit
或者 $_POST 变量:
curl -d MEMPROF_PROFILE=dump_on_limit http://127.0.0.1/test.php
步骤 2:转储内存分析文件
在此模式下,如果程序超出内存限制(当 PHP 触发类似 "Fatal error: Allowed memory size of 15728640 bytes exhausted (tried to allocate 1024 bytes)" 的错误时),memprof 会自动保存分析文件。
默认情况下,分析文件保存在 /tmp 或 C:\Windows\Temp 目录下,文件名为 memprof.callgrind.*。
步骤 3:可视化内存分析结果
推荐使用 Kcachegrind(Linux)或 Qcachegrind(MacOS、Windows)来可视化结果。Google Perftools 也是支持的。请参阅 memprof_dump_callgrind() 和相关函数的文档。
3. 项目 API 使用文档
以下是一些常用的 memprof API 函数及其用途:
memprof_enabled()
返回内存分析是否当前启用。
memprof_enabled_flags()
返回内存分析是否启用以及启用了哪些分析特性。
memprof_dump_callgrind(resource $stream)
将当前分析结果以 callgrind 格式转储到指定的文件流。
<?php
memprof_dump_callgrind(fopen("output", "w"));
memprof_dump_pprof(resource $stream)
将当前分析结果以 pprof 格式转储到指定的文件流。
<?php
memprof_dump_pprof(fopen("profile.heap", "w"));
memprof_dump_array()
返回表示当前分析结果的数组。
<?php
$dump = memprof_dump_array();
4. 项目安装方式
memprof 项目可以通过以下方式安装:
- 使用 PECL 命令行工具安装。
- 手动下载源代码并进行编译安装。
- 在 Arch Linux 上使用 AUR 包进行安装。
请按照上述 "安装指南" 部分中的详细步骤进行操作。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00